Biblioteca

Do espazo e do tempo: unha perspectiva aleatoria

Sección A propósito dos libros

 

Post realizado por Rosa M. Crujeiras Casais Profesora do Dpto de Estatística, Análise Matemática e Optimización e Vicerreitora de Comunicación e Coordinación da USC 

Rosa M. Crujeiras

 

A metodoloxía estatística clásica, considerando como tal os procedementos paramétricos para a construción de intervalos de confianza ou a formulación e resolución de contrastes de hipóteses, soe fundamentarse sobre a premisa de que as mostras das variables de interese son obtidas baixo deseño aleatorio, é dicir, as observacións recollidas poden asumirse como realizacións de variables aleatorias independentes. Sen embargo, en ámbitos prácticos, a hipótese de independencia non se sostén, e as observacións recollidas poden gardar certa relación.

Isto é o que ocorre cando se observan datos ao longo do tempo (series de tempo) ou nunha rexión do espazo. Exemplos deste tipo de datos xorden en numerosos campos aplicados como a ecoloxía (62-1263), as ciencias medioambientais (62-1268), a econometría (62-1218) ou a epidemioloxía (62-1262). As observacións de variables recollidas no espazo soen exhibir características semellantes segundo as súas localizacións espaciais, e este factor debe ser tido en conta en calquera procedemento descritivo ou inferencial: observacións próximas no espazo tenden a ser semellantes. Se ben os traballos iniciais para o tratamento deste tipo de datos aparecen nas décadas dos cincuenta e sesenta, coas achegas feitas por Krige, Matheron ou Matèrn houbo que agardar ata case rematado o século para dispor dun texto de referencia: Statistics for Spatial Data, de N.A. Cressie (62-553), publicado no 1999. Este volume divídese en tres partes, atendendo aos distintos tipos de procesos que poden presentar dependencia espacial: procesos xeoestatísticos (aqueles cuxa variación no espazo se produce de maneira continua, por exemplo, cando se miden concentracións de metais no solo), procesos reticulares (con variación no espazo discreta, como os que modelan os datos datos recollidos en zonas xeográficas como comarcas, concellos,…) e procesos puntuais (onde a variación espacial é aleatoria, como por exemplo, a asociada a distribucións de especies vexetais). O texto de Cressie converteuse nun referente para a comunidade da estatística espacial, xa que recollía os avances realizados dende distintas perspectivas nun mesmo texto, cunha labor de unificación e relación importante, e sobre todo, sentando as bases para futuras investigacións.

Tamén no mesmo ano, M. Stein publica Interpolation of Spatial Data (62 1012), cun enfoque moito máis formal e dirixido fundamentalmente a unha audiencia con formación matemática, e J.P. Chilès e P. Delfiner presentan un libro sobre o tratamento de procesos xeoestatísticos (62-1026).

Quizais chegados a este punto poida xurdir a pregunta de porqué, se o problema do modelado de datos espaciais aflora medio século antes, non é ata o fin de século que aparece un libro de referencia. A miña impresión, se ben pode estar errada, é que a recompilación e ordenación realizada por N.A. Cressie xustifícase pola aparición dunha necesidade real de análise deste tipo de procesos. Como en tantos outros ámbitos da estatística, a necesidade do desenvolvemento de técnicas veu xustificada, motivada e acrecentada polas melloras técnicas tanto nos dispositivos de medición e recollida de información, como no almacenamento da mesma. Pensemos, por exemplo, na análise de datos tomados por satélite.

Agora ben, este desenvolvemento tecnolóxico que permitiu a recollida de cantidades inxentes de datos, dando lugar ao fenómeno do big data, puxo ante a comunidade científica o reto de desenvolver técnicas de descrición e inferencia para procesos que non só varían no espazo, se non que tamén o fan no tempo. P. Diggle (2014, 3rd Ed.) con Statistical Analysis of Spatial and Spatio-Temporal Point Patterns (62-1303) e o propio N.A. Cressie xunto con C. Wikle (2011) con Statistics for Spatio-Temporal Data (62-1261) elaboraron dous volumes interesantes. O primeiro céntrase na análise de patróns puntuais espazo-temporais, unha liña que tivo e está a ter o seu impacto no contexto epidemiolóxico. Pola súa banda, Cressie e Wikle describen dunha maneira directa a modelización de procesos espazo-temporais dende unha perspectiva Bayesiana. Tamén se suma a este enfoque o recente texto de Blangiardo e Cameletti (2015, 62-1310).

Son todos os que están, pero non están todos os que son… a nosa biblioteca conta no seu fondo con outras moitos textos relevantes para o estudo dos procesos espaciais e espazo temporais, de carácter teórico (62-1275) e aplicado (62-1325).

Advertisements

Conversa

Aínda non hai comentarios.

Deixa un comentario

introduce os teu datos ou preme nunha das iconas:

Logotipo de WordPress.com

Estás a comentar desde a túa conta de WordPress.com. Sair / Cambiar )

Twitter picture

Estás a comentar desde a túa conta de Twitter. Sair / Cambiar )

Facebook photo

Estás a comentar desde a túa conta de Facebook. Sair / Cambiar )

Google+ photo

Estás a comentar desde a túa conta de Google+. Sair / Cambiar )

Conectando a %s

QR

Horarios

Facultade de Matemáticas USC

BUSCa no catálogo

Bibliografía Recomendada das asignaturas

%d bloggers like this: